SPSS重复测量方差分析报告地应用
重复测量数据方差分析在SPSS16_0软件中的实现
统计与决策2011年第1期（总第325期）组别1…G受试对象12…N…12…N123…P重复观测次数x ijk表1重复测量数据基本格式基金项目：湖南省教育厅教研教改资助项目（湘教通2010243号），湖南商学院教研教改项目（校教字201025号）作者简介：李灿（1972－），女，湖南益阳人，博士研究生，副教授，研究方向：多元统计分析、市场调查。
重复测量数据方差分析在SPSS16.0软件中的实现李灿1，2（1.湖南商学院信息学院统计系，长沙410205；2.中南财经政法大学信息学院统计系，武汉430060）摘要：文章首先对重复测量数据的格式、特点与方差分析的前提条件及基本原理进行了介绍；然后利用市场调查中的一个案例，详细介绍了利用SPSS16.0软件对重复测量数据进行方差分析的具体过程，以及对结果的解释和运用。
关键词：重复测量；重复测量数据；方差分析；SPSS16.0中图分类号：C81文献标识码：A文章编号：1002－6487（2011）01－0034-03重复测量(Repeated Measure)是指对同一观察对象的某项观测指标在不同时间点上进行多次测量，用于分析观察指标在不同时间上的变化规律。
通过重复测量，可以对获得同一观察对象的某项观测指标进行多次测量的数据，即为重复测量数据。
如经济研究领域中的市场动态的研究；心理研究中观察不同时间段个体的心理调适能力；教育研究中观察不同学期学生成绩的变化等等。
由于同一受试对象在不同时点的观测值之间往往彼此不独立，存在某种程度的相关，因此对重复测量数据如果采取普通的方差分析，不能满足普通的方差分析方法所要求的独立、正态、等方差的前提条件，使得其分析方法有别于一般的统计分析方法。
在实际工作中，重复测量数据常被误作以下情形处理：一种情形是用配伍组设计资料的方差分析（two-way ANOVA ）来处理，这样会导致扩大第一类错误的严重后果；另一种情形是只做单独效应分析，其后果是损失了主效应和交互效应分析的宝贵信息。
SPSS重复测量的多因素方差分析
SPSS重复测量的多因素方差分析多因素方差分析（ANOVA）是一种统计方法，用于比较两个或更多个因素对于一个或多个变量的影响。
在实验设计中，重复测量多因素方差分析常用于研究不同因素（比如治疗、时间、性别等）对同一测量结果的影响。
多因素方差分析假设各个因素之间相互独立，并将数据分为各个因素的组合。
例如，一个的实验可能包括两个因素：治疗和时间。
治疗可以有两个水平：A和B，时间可以有三个水平：T1、T2和T3、通过重复测量同一个变量，并结合不同的因素水平，可以得到一个完整的数据集。
进行多因素方差分析需要检验三个假设：主效应假设、交互效应假设和均等性假设。
主效应是指每个因素对于因变量的直接影响，交互效应是指多个因素之间相互作用的影响，均等性假设是指各组之间的方差是否相等。
首先，我们需要计算各组的平均值、总平均值、因素间平方和、误差平方和以及均方。
平均值是各组数据的均值，总平均值是所有数据的均值。
因素间平方和是各组均值与总平均值之差的平方和乘以每组的样本量。
误差平方和是各个样本与其对应组均值之差的平方和。
均方是因素间平方和和误差平方和除以对应的自由度。
接下来，我们需要计算F统计量，并进行假设检验来确定各个因素是否显著影响因变量。
F统计量是因素间均方和误差平方的比值。
根据假设检验的结果，如果得到的p值小于设定的显著性水平（通常为0.05），则我们拒绝原假设，即说明该因素对因变量有显著影响。
当我们观察到交互作用时，可以进行进一步的分析来确定具体哪些因素交互作用显著。
可以通过绘制交互作用图来进行可视化分析。
此外，还有很多其他的方法可以对多因素方差分析的结果进行进一步分析。
比如，事后检验（post-hoc analysis）常用于确定哪些因素水平之间存在显著差异。
Tukey's HSD、Bonferroni修正和Sidak校正是常用的事后检验方法之一总结起来，多因素方差分析是一种强大的统计方法，可以研究多个因素对一个或多个变量的影响。
4_SPSS多因素、重复测量资料的方差分析报告
2019/9/26
Page12
SPSS统计软件操作
随机区组设计资料的方差分析
练习4 为了研究克拉霉素的抑菌效果，某实验室对28个短小芽孢
杆菌平板依据菌株的来源不同分成了7个区组，每组4个平 板用随机的方式分配给标准药物高剂量组（SH）、标准 药物低剂量组（SL），以及克拉霉素高剂量组（TH）、 克拉霉素低剂量组（TL）。给予不同的处理后，观察抑菌 圈的直径。数据见“kelameisu.sav”。 试对该资料进行分析。
分别于平衡期(0周)、服药后的8周、16周、24周测定肥胖患者 的体重，数据见“重复测量1.xls”
2019/9/26
Page25
SPSS统计软件操作
重复测量资料的方差分析
例2 临床上为指导脑梗患者的治疗和预后，某研究人员对不同
类型脑梗患者酸性磷脂(AP)在不同时间点的变化，进行了 如下观察：随机选取三种不同类型的脑梗(TIA、脑血栓形 成、腔隙性脑梗塞)患者各8例，分别于脑梗发生的第24小 时、48小时、72小时、7天分别采血，测量血中AP的值见 数据“重复测量2.xls”
例：提取蛋白质成分的研究 中，蛋白质的提取量和温度 （高，中，低），试剂浓度 （0.1，0.2，0.3）及PH值 （6，8，12）的有关
三因素的各个水平相结合， 共形成3×3×3=27种处理组
PH值 温度
PH=6 高 中 低
PH=8 高 中 低
PH=12 高 中 低
试剂浓度 0.1 0.2 0.3
2019/9/26
Page27
SPSS统计软件操作
放映结束 感谢各位的批评指导！
谢 谢！
让我们共同进步
知识回顾 Knowledge Review
SPSS重复测量的多因素方差分析报告
1、概述重复测量数据的方差分析是对同一因变量进行重复测量的一种试验设计技术。
在给予一种或多种处理后，分别在不同的时间点上通过重复测量同一个受试对象获得的指标的观察值，或者是通过重复测量同一个个体的不同部位（或组织）获得的指标的观察值。
重复测量数据在科学研究中十分常见。
分析前要对重复测量数据之间是否存在相关性进行球形检验。
如果该检验结果为P﹥0.05，则说明重复测量数据之间不存在相关性，测量数据符合Huynh-Feldt条件，可以用单因素方差分析的方法来处理；如果检验结果P﹤0.05，则说明重复测量数据之间是存在相关性的，所以不能用单因素方差分析的方法处理数据。
在科研实际中的重复测量设计资料后者较多，应该使用重复测量设计的方差分析模型。
球形条件不满足时常有两种方法可供选择：（1）采用MANOVA（多变量方差分析方法）；（2）对重复测量ANOVA检验结果中与时间有关的F值的自由度进行调整。
2、问题新生儿胎粪吸入综合征（MAS）是由于胎儿在子宫内或着生产时吸入了混有胎粪的羊水，从而导致呼吸道和肺泡发生机械性阻塞，并伴有肺泡表面活性物质失活，而且肺组织也会发生化学性炎症，胎儿出生后出现的以呼吸窘迫为主，同时伴有其他脏器受损现象的一组综合征。
血管内皮生长因子(vascular endothelial growth factor，VEGF)是一种有丝分裂原，它特异作用于血管内皮细胞时，能够调节血管内皮细胞的增殖和迁移，从而使血管通透性增加。
而本实验旨在通过观察分析给予外源性肺表面活性物质治疗前后胎粪吸入综合征患儿血清中VEGF的含量变化，评价药物治疗的效果。
将收治的诊断胎粪吸入综合症的新生儿共42名。
将患儿随机分为肺表面活性物质治疗组（PS组）和常规治疗组（对照组），每组各21例。
PS组和对照组两组所有患儿均给予除用药外的其他相应的对症治疗。
PS组患儿给予牛肺表面活性剂PS 70mg/kg治疗。
采集PS 组及对照组患儿0小时，治疗后24小时和72小时静脉血2ml，离心并提取上清液后保存备用并记录血清中VEGF的含量变化情况。
SPSS多因素方差分析（一般线性模型）：重复测量
SPSS多因素⽅差分析（⼀般线性模型）：重复测量⼀、GLM重复测量（分析-⼀般线性模型-重复度量）1、概念：“GLM 重复测量”过程在对每个主体或个案多次执⾏相同的测量时提供⽅差分析。
如果指定了主体间因⼦，这些因⼦会将总体划分成组。
通过使⽤此⼀般线性模型过程您可以检验关于主体间因⼦和主体内因⼦的效应的原假设。
可以调查因⼦之间的交互以及单个因⼦的效应。
另外，还可以包含常数协变量的效应以及协变量与主体间因⼦的交互。
在双重多变量重复测量设计中，因变量表⽰主体内因⼦不同⽔平的多个变量的测量。
例如，您可能在三个不同的时间对每个主体同时测量了脉搏和呼吸。
“GLM 重复测量”过程提供了对重复测量数据的单变量和多变量分析。
平衡与⾮平衡模型均可进⾏检验。
如果模型中的每个单元包含相同的个案数，则设计是平衡的。
在多变量模型中，模型中的效应引起的平⽅和以及误差平⽅和以矩阵形式表⽰，⽽不是以单变量分析中的标量形式表⽰。
这些矩阵称为SSCP（平⽅和与叉积）矩阵。
除了检验假设，“GLM 重复测量”过程还⽣成参数估计。
常⽤的先验对⽐可⽤于对主体间因⼦执⾏假设检验。
另外，在整体的F 检验已显⽰显著性之后，可以使⽤两两⽐较检验评估指定均值之间的差值。
估计边际均值为模型中的单元提供了预测均值估计值，且这些均值的轮廓图（交互图）允许您轻松对其中⼀些关系进⾏可视化。
残差、预测值、Cook 距离以及杠杆值可以另存为数据⽂件中检查假设的新变量。
另外还提供残差SSCP 矩阵（残差的平⽅和与叉积的⽅形矩阵）、残差协⽅差矩阵（残差SSCP 矩阵除以残差的⾃由度）和残差相关矩阵（残差协⽅差矩阵的标准化形式）。
WLS 权重允许您指定⼀个变量，⽤来针对加权最⼩平⽅(WLS) 分析为观察值赋予不同权重，这样也许可以补偿测量的不同精确度。
2、⽰例。
根据学⽣的焦虑程度检验的得分将⼗⼆个学⽣分配到⾼或低焦虑程度组。
焦虑等级被认为是主体间因⼦，因为它会将主体划分成组。
重复测量设计资料的方差分析SPSS操作
重复测量设计资料的方差分析SPSS操作重复测量方差分析的基本概述：被试对象在接受不同处理后，对同一因变量（测试指标）在不同时点上进行多次测量所得的资料，称为重复测量资料。
这里的重复并不是单一的反复，而是在多个时点上的测量。
这种资料的特点是其定量观测指标的数值会随着时间的变化而发生动态变化，并且各时点上的数值是不满足相互独立的假设的。
因此不能用方差分析的方法直接进行处理。
如果在期初、期中、期末分别测量学生的电脑能力，则这是单变量重复测量问题。
如果分别在三个时期测量学生的电脑和数学成绩，则是多变量重复测量的问题。
重复测量资料的方差分析需满足的前提条件：1、一般方差分析的正态性和方差齐性检验。
2、协方差矩阵的球形对称性或者复合对称性；需要进行球形检验，检验对称性。
原假设：协方差满足球形对称。
当拒绝球形假设时，结果中还有其他表可以检验，见例题中的分析。
被试对象处理测量时间1 2 3 4…………m1 1 ………………………………………….2 1 ………………………………………….. ………………………………………………………………………………………………………….N1 1 …………………………………………..N1+1 2 …………………………………………. …………………………………………………………………………………………………………N2 2 …………………………………………………….例：为研究新减肥药和现有减肥药的效果是否不同，以及肥胖者在服药后不同时间体重的变化情况，将40名体重指标BMIF27的肥胖者随机分为两组，一组用新药，另一组用现有减肥药；坚持服药6个月，期间禁止使用任何影响体重的药物，而且被试对象行为、饮食、运动与服药前平衡期保持一致；分别测得0周、8周、16周、24周的体重资料；试对其进行方差分析。
Spss数据格式片段如下：1、正态性和方差齐性检验对4个不同时点上的体重变量进行检验使用科莫格洛夫—斯米诺夫检验只要16周第二种处理不显著，其他都显著不为0.可认为正态性假设基本成立。
高等教育：方差分析(重复测量资料spss实现)
方差分析(2)重复测量设计A 方法：重复测量的方差分析A 目的：推断处理、时间、处理X 时间对 试验对象的试验指标的作用对象，共ng 个，g^1A 时间因素分m 个水平（m 个时点），每个对象有m 个时点上的测量值，共gnm 个，mM2A 特例：g=1,单组重复测量资料m=2,前后重复测量资料A 处理因素分gn 个试验实验操作方法A重复测量数据的两因素多水平设计，两因素包括一个干预因素（A因素）和测量时间因素（B 因素）；厂多水平指干预（A因素）有g（A2）个水平，测量时间（B因素）有m （＞2）个水平（测量时间点）。
A随机化分组采用完全随机设计的分组方式，将歹个观察对象随机分配到g个处理组中o＞数据收集在加个时间点上进行, 每一个观察对象在完全相同的时间点上重复进行□次测量。
表12-2数据的统计学分析问题A计算前后测量数据的差值，上述数据即可转化为完全随机设计（两组）的资料形式。
A—般情况下，针对前后测量数据差值的成组亡检验方法是可取的，但应注意其应用条件，即方差齐性的问题。
例题:P271•将手术要求基本相同的15名患者随即分3 组，分别采用A、B、C三种麻醉诱导方法。
在T°、T I、T2、T3、T4五个时像测量患者收缩压数据如下：S 12-16不同麻醉诱导时相患者的收缩压（mmHg）对象间巧1 •建立假设1 > HO：j i・HI：[• •a=0.05 •卜选择统计方法：= 订•正态性处理因素的各处理水平的样本个体之间是相互i 1独立的随机样本，其总体均数服从正态分布1 3・方差齐性相互比较的各处理水平的总体方差相等，即i I具有方差齐同；I1 3.各时间点组成的协方差阵具有球形性特征。
：I Ii I ! *计算统计量（由计算机完成）! ：•结论：按照a=0.05/0.01的检验水准，拒绝/尚不能拒绝' 〕H0,……差异有/无统计学意义（统计学结论），| i I重复测量设计资料的统计分析方法A更于重复测量数据（临床上常称纵向监测数据）, 去质上每个受试对象的观察结果是多次重复测量簧果的连线，统计分析的目的是比较这些连线变化趋势的特征。
SPSS学习笔记之重复测量的多因素方差分析报告
SPSS学习笔记之重复测量的多因素方差分析报告学习笔记之重复测量的多因素方差分析报告SPSS（Statistical Package for the Social Sciences，社会科学统计软件包）是一款功能强大的数据分析工具，广泛应用于各个领域的研究。
在SPSS中，重复测量的多因素方差分析被视为一项重要的统计方法，用于研究相同参与者在不同条件下的测试结果。
本篇学习笔记以重复测量的多因素方差分析为主题，将介绍如何使用SPSS进行该项分析，并给出详细的分析报告。
1. 研究目的和问题描述2. 数据采集和处理3. 研究设计和假设4. 数据分析5. 结果解释与讨论1. 研究目的和问题描述本次研究的目的是考察不同刺激条件对参与者注意力的影响。
具体而言，我们想了解参与者在三种刺激条件下的注意力水平是否存在显著差异。
2. 数据采集和处理我们招募了40位参与者，并随机将其分为三组。
每组参与者分别接受三次测试，每次测试采用不同的刺激条件。
我们记录了每位参与者的测试结果，并进行数据整理和清洗。
3. 研究设计和假设本研究采用的是重复测量的多因素方差分析设计。
考察因素为刺激条件，对应的水平为A、B和C。
我们的研究假设如下：- H0（零假设）：不同刺激条件下的注意力水平无显著差异。
- H1（备择假设）：不同刺激条件下的注意力水平存在显著差异。
4. 数据分析为了进行重复测量的多因素方差分析，我们打开SPSS软件，并导入数据集。
接下来，我们按照以下步骤进行分析：步骤一：打开SPSS软件，点击“打开”按钮，导入数据集。
步骤二：选择“分析”菜单，然后选择“一般线性模型”和“重复测量”。
步骤三：将待分析的因子变量（刺激条件）拖动到“因子”框中，并设置不同刺激条件的水平。
步骤四：选择适当的因变量（注意力水平），并将其拖动到“依赖变量”框中。
步骤五：点击“选项”按钮，可以对分析进行更多设置，比如是否计算偏斜度和峰度等。
步骤六：点击“确定”按钮，SPSS将自动进行重复测量的多因素方差分析，并生成分析结果。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
企业销售策略改进计划中SPSS重复测量方
差分析的应用
1 相关背景
在研究中，我们经常需要对同一个观察对象进行多次观测，这样得到的数据称为重复测量资料；而对于重复测量资料进行方差分析就需要采用重复测量方差分析。
重复测量方差分析与前述的方差分析最大的差别在于，它可以考察测量指标是否会随着测量次数的增加而变化，以及是否会受时间的影响。
2 问题概述
某食品公司计划改进一种食品的销售策略，提出了两种方案，并随机选择了3个销售区市场，每个市场有4个网点，并将其随机分配至两个组，施行不同的销售策略，为期2个月。
表2.1为所调查网点的实施策略前1个月和实施策略的2个月的销售量（单位：千克）。
通过分析说明哪种方案更加有效。
表2.1 各网点销售量统计表
市场标号网点方案销售量1 销售量2 销售量3
1 1 1 70 83 78
1 2 1 48 54 58
1 3
2 34 60 68
1 4
2 56 65 79
2 5 1 36 45 68
………………
3 11 2 83 87 96
3 12 2 57 78 89
3 数据特点
在用SPSS进行分析之前，我们把数据录入到SPSS中。
容易发现本数据中有6个变量，分别为市场编号、网点、方案和3个销售量，且把所有变量定义为数值型。
录入相关数据，录入完成后，数据如图3.1所示。
图3.1 各网点销售统计量统计数据
4 分析过程
先将以上数据做一下保存，然后展开分析，步骤如下：
1）进入SPSS 22，打开相关数据文件，选择“分析”—“一般线性模型”—“重复测量”命令，弹出如图4.1所示的对话框。
图4.1 “重复测量定义因子”对话框
2）定义重复测量因子。
在“被试内因子名称”中输入“月份”，在“级别数”处键入“3”，然后单击“添加”；在“测量名称”中输入“销售量”，单击“添加”；单击“定义”，弹出如图4.2所示对话框。
图4.2 “重复测量”对话框
3）定义内部变量。
在图4.2所示对话框左侧的列表中，选择“销售量1”、“销售量2”和“销售量3”并单击按钮使之进入“主体内部变量”列表框；选择“市场编号”和“方案”并单击按钮使之进入“因子列表”列表框；
4）设置完毕，单击“确定”按钮，等待输出结果。
5 结果解释
（1）多变量检验表
Pillai的跟踪统计量最为稳健，因此检验结果以此为准。
从表5.1可以看出，由于效应“月份”的P值为0.012，小于显著性水平0.05，显著性较好，即说明各网点3个月的销售量不同；但是其他各个效应的P值均大于0.05，因此不显著，即不同市场的网点、实施不同方案的网点以及不同市场和实施策略的网点3个月的销售情况均相似。
表5.1 多变量检验表
（2）重复测量单因素的分析结果
首先我们先来看一下Mauchly’s球对称检验结果，如表5.2所示。
可以发现，统计量的P值0.557大于显著性水平0.05，因此因变量的协方差满足“球形”假设。
因此，我们在进行重复测量单因素方差分析时，采用Mauchly’s球对称检验。
从表5.3中可以看出，“月份*市场编号”和“月份*方案”统计量的
P值均大于显著性水平0.05，因此不显著，没有统计学意义，而“月份*市场编号*方案”的P值为0.006，具有统计学意义。
表5.2 Mauchly球对称检验表
（3）主体间效应的检验
从表5.4可以看出，市场的P值较小，且对模型的贡献度为52%，具有一定的统计学意义，但是其他因素以及他们的交互作用没有显著统计学意义。
主体间效应的检验
度量: 销售量
已转换的变量: 平均值
源III 类平方和自由度均方 F 显著性
截距140873.639 1 140873.639 307.020 .000
市场编号2988.436 2 1494.218 3.256 .110
方案307.578 1 307.578 .670 .444
市场编号 * 方案106.436 2 53.218 .116 .892
错误2753.056 6 458.843
（4）两因素交互折线图
从图5.1可以看出，方案1效果较好，且月份和方案的交互作用不显著。
图5.1 两因素交互折线图
通过以上的重复测量方差分析，我们可以知道：
（1）在本次实验中，各网点三个月的销售量不同，说明实施策略具有一定的效果。
（2）不同市场的网点、实施不同方案的网点以及不同市场和实施策略的网点3个月的销售情况均相似。
（3）从结果分析中可以看出，方案1对于销售量的增加更加有效。